vision

Clone amélioré de ChatGPT : inclut des agents, MCP, Skills, DeepSeek, Anthropic, AWS, OpenAI, API de réponses, Azure, Groq, o1, GPT-5, Mistral, OpenRouter, Vertex AI, Gemini, Artifacts, changement de modèle IA, recherche de messages, interpréteur de code, LangChain, DALL-E-3, actions OpenAPI, fonctions, authentification multi-utilisateurs sécurisée et presets. Open source pour auto-hébergement.

Xray, pénètre tout. Également le meilleur v2ray-core. Là où la magie opère. Une plateforme ouverte pour divers usages.

La pile d'agents IA multimodaux open-source : connectez des modèles d'IA de pointe et une infrastructure d'agents

Caffe : un framework open source rapide pour le deep learning.

Automatisez les flux de travail basés sur le navigateur avec l'IA

La fin de l'analyse web. Le début de la recherche native par pixels à grande échelle. Lien : https://pixelrag.ai/

📸 Une bibliothèque React Native puissante et haute performance pour la caméra.

Le premier plugin de vision pour DeepSeek Harness, et le pont visuel pour tout agent de codage textuel. Collez une image et obtenez des preuves JSON structurées (OCR, mise en page, sémantique).

SimpleMem : mémoire à long terme efficace pour les agents LLM, supportant le texte et le multimodal.

Plateforme matérielle et logicielle open source pour construire une voiture autonome à petite échelle.

[CVPR 2023] DepGraph : Vers un élagage structurel universel ; LLM, modèles de vision fondamentaux, etc.

Framework open source pour la vision par ordinateur

Capture multimédia en Swift.

Exemples de code Java et Kotlin utilisés sur cloud.google.com.

Intelligence visuelle pour votre domicile.

Une bibliothèque de vision pour les caméras basées sur GenICam

Vidéos, notes et expériences pour comprendre l'apprentissage profond

MLKit est une boîte à outils puissante et facile à utiliser. Elle permet d'implémenter facilement la reconnaissance de texte, de codes-barres, l'étiquetage d'images, la détection de visages et d'objets.

Boîte à outils et compétences visuelles conçues pour les LLM textuels : questions-réponses sur images, OCR de captures d'écran, restauration d'interface UI, automatisation GUI, avec intégration transparente optionnelle pour divers agents.

Solution entièrement basée sur des MLP pour la vision, développée par Google AI.

Vision pour les agents DeepSeek Harness : chaîne de vision gratuite intégrée (sans clé) et outils de vision au niveau du pixel (Q&A, ancrage, recadrage, différence de pixels, couleurs, OCR, tracé SVG, détourage, captures d'écran). Installation en une commande, sans Python, les images fonctionnent comme des appels d'outils classiques.

CALVIN - Un benchmark pour l'apprentissage de politiques conditionnées par le langage pour des tâches de manipulation robotique à long terme

Implémentation CUDA de SIFT pour les GPU NVidia (1,2 ms sur une GTX 1060)

Une collection organisée de ressources iOS, ML et AR, agrémentée de quelques ajouts d'interface utilisateur.

3DMatch - un descripteur géométrique local basé sur un réseau de neurones convolutifs 3D pour l'alignement de maillages 3D et de nuages de points.

Bibliothèque de vision par ordinateur haute performance en Python. Faites évoluer vos recherches, pas votre code répétitif.

🎰 Une liste organisée de ressources en apprentissage automatique, axée sur CoreML

Cette application permet de traduire du texte capturé depuis n'importe quelle application en cours d'exécution sur votre ordinateur.

Convertissez n'importe quelle capture d'écran de design web en code HTML/CSS propre

Outil de génération de données d'entraînement ML basé sur la vision par ordinateur :rocket: